吴锦发
(福建省测绘院 福建福州 350003)
水稻是福建省西部地区的主要农作物,其间还种植烟叶、茶叶、果树、蔬菜等经济作物;部分农田有轮种、间种等特点。轮种一般有单季、双季,有些地方还在双季的间歇闲时种植蔬菜、玉米等。天气变化、农作物用水供给、虫害、农药化肥使用量等均会影响农作物的生长,这些因素均可以用遥感技术进行监测。
影像处理在农作物长势监测、病虫草害诊断、农作物自动收获等方面有着广泛的应用[1]。通过土地利用现状数据,结合遥感解译与GIS相结合方法处理、线性地物面积和零星地物面积扣除,实现了解译面积的精准核算[2]。本文利用遥感测绘技术对遥感影像数据进行处理,获取不同影像纹理的面积,以解决监测农作物种植面积情况。该方法较为简便、准确、快速。
本次试验选择在福建省南靖县梅林镇一自然村开展, 该地位于东经117°05′,北纬24°39′, 海拔高度约530 m, 气候类型属典型的亚热带半湿润大陆季风气候。
农田内为典型的双季轮种,大部分田种植水稻,其余种植茶叶。农作物在影像上纹理、色彩均有较为明显差异,有利于利用遥感影像纹理、色彩等特征进行种植状态的监测。
依据解译要求和解译样本,在内业中以人机交互的方式对影像进行解译(定量)和预判其属性(定性),再通过外业核实的方法确定其属性,验证此项技术在农情种植面积监测中的使用准确性。
基本农田范围内以田埂组成的封闭地块为单位,采用人机交互方式,解译出各个田块的面积;再根据各田块的种植属性,统计分门别类各种数据。
试验前要求:竖直坎不计算其面积,斜坡按坡顶、坡脚所包围面积计算;供人行走、宽度大于1 m的田埂独立计算,种植地瓜、黄豆等作物的坎式田埂或宽度小于1 m的田埂包含在田块内计算面积;道路按连线范围计算,水域按坎或水涯线计算其面积。非基本农田范围的植被按其边界逐个解译,其间用作其通行的大车路等直接包含在本图斑内,不再分割。
基于根据任务收集到的项目相关原有像控点成果、数字航片,在数字摄影测量系统上采用光束法区域网空三加密进行加密、建立立体像对、生成核线影像、影像匹配编辑,经过色彩调整、镶嵌拼接、裁切、影像整饰等工作,生成数字正射影像图。
按照“内业为主、外业为辅、内外业相结合比对”的原则、基于最新获取的遥感影像数据,充分利用第三次全国国土调查成果、年度地理国情普查成果及遥感解译样本数据,结合多种行业专题数据,采用变化信息识别与数据采集、外业调查、数据编辑与整理等技术手段与方法,对区域内各地块进行解译、预判地类。
根据内业解译结果与外业实地核查比对后的结果,检查成果是否合乎任务下达和设计书要求,给予竣工验收或修改设计、变更任务、进行补生产。
搜集本区域历次进行的像控点成果,并初步展在原有影像图上,分析其效用;如像控点成果与影像相吻合,则加以应用。像控布点时,如成果不足,补测相应位置的坐标。
第三次全国国土调查成果、年度地理国情监测成果发布后,向当地自然资源行政管理部门申请使用本区域的成果,作为内业解译及初步定性的重要参考依据。
遥感信息获取从依赖国外遥感数据,到如今的国产航空、航天遥感、无人机数码遥感、地面近距遥感等形成的“空、天、地”模式[3],极大丰富了遥感监测数据来源。
由星载或机载(有人/无人)各种传感器,按照一定的轨迹或航线,对地面进行拍摄而获得的各种遥感数据[4]。
空中三角测量(空三加密)采用专业空三加密软件进行空三加密和平差解算。通过数码影像自动内定向、影像匹配(自动相关)、半自动加测控制点等流程完成。成果平面精度要求满足《1∶500 1∶1000 1∶2000 地形图航空摄影测量内业规范》对 1∶1000 平地、丘陵的成图要求[4]。经检测,本次试验的影像数据精度符合要求。
在内业解译前,对本项目区域范围存在的所有种植类型,选取典型地块,进行类型样本采集工作,以规范和统一种植分类标准,提高图斑内业解译、预判准确性。
选取地类单一、特征明显的典型地块作为地类样本,尽量保持地类样本影像特征和实地利用特征的一致性。为便于外业就近作业,选取样本地块时宜选择地类丰富且分布较集中的区域。
样本地块实地拍摄的过程中,应尽量保持地类样本照片的完整性、单一性、典型性、清晰性,远近协调,合理分配空白和实体所占空间布局,尽可能地提高艺术美感,准确、美观的反映地类特征。
拍摄要求:(1)应尽可能在田块边附近进行拍摄,离相机200 m范围以内的景物,避免照片与遥感影像实例之间的空间对应关系失真。(2)拍摄时应尽可能水平持握相机,使其保持正常姿态,避免照片信息失真误导使用者。特殊情况下,相机俯仰角或横滚角大于10°以上时,需记录其值。(3)拍摄的照片应地物清晰、主体明确、明暗适中,避免与主题无关或质量欠佳导致内业解译时产生偏差。(4)每个样本确保有三张不同角度清晰明了反映本田块种植属性。
野外样本采集时,手持带卫星定位平板,利用开发的专门软件在近距于田块位置,对种植植被进行样本采集。拍摄的样本(如图1a)及所在位置(如图1b)均可同时显示,在概略位置图中,十字为拍摄时人员实时位置,两条长线所夹角为拍摄的方位角及拍摄面。
现场解译样本拍摄如图1。
图1 现场解译样本拍摄
在采集样本完成后,对所有样本进行整理,保留俯仰角、横滚角、采集像素等符合要求的样本作为内业解译参考依据。解译样本成果如图2(图2a为水稻,图2b为茶园)。
图2 解译样本成果
内业解译一般有:(1)基于光谱特征信息的作物遥感分类方法;(2)基于地块分类法(Per-field classification)的作物种植面积监测方法;(3)基于对地抽样的作物种植面积监测方法[5]。在本次研究中,因方法(1)要考虑田埂系数、还要扣除田间道路等,不可避免带来数据差异;基于HJ-1遥感数据的总体遥感提取面积与统计面积差异小于10%[6]。方法(3)面临抽样的随机性、代表性带来的面积误差不确定性,最终选择方法(2)进行内业解译的方法进行。
方法(2)是将遥感影像与数字矢量数据充分结合,以数字矢量数据边界为限,依据影像表现纹理、颜色不同,将区域按耕、园、林、草、道路等几大类分割为大块;再参考解译样本成果、第三次国土调查成果和年度地理国情监测成果(均附有举证照片),以田埂为特征线再进行逐个田块进行分割并内业预赋值。相同作物的不同地块分割表示,分割已否不影响汇总面积。
由于本次研究范围面积小,选用便于设计、容量较小的Access的mdb格式作为本次研究数据库格式,数据结构(包含,但不限于)如表1。
表1 图斑属性结构表
在已有的影像图的基础上,依据种植属性分类,通过逐个田块分析、判断影像所呈现的纹理、色调、区位、形状、当地种植特色物种及解译样本,先按道路、水渠等较宽线状物边界线或在现场通过实测的方式将研究范围区域面分割成若干个图块(如图3b),再根据田埂等次宽线状物边界线分割成小图斑,直至图斑不再被分割为止(如图3c)。内业无法获取和难以识别的区域,做好记录以便更好开展外业核查,确保采集信息的准确性。内业解译过程如图3(图3a为研究范围图,图3b为按较宽线状物将范围分割成图块,图3c为内业解译后初步成果)。
图3 内业解译过程
影像纹理与样本所在影像比对时,把第三次全国国土调查成果、年度地理国情监测成果数据加载到系统中,并显示其地类名称或地类代码作为内业预判参考,结合颜色、形状、样本照片,对每个图斑的种植属性进行预处理,同时在数据栏中填好相应的属性值。内业无法判断时,在备注栏中注明情况,待外业比对时重点调查此地块。内业结合样本数据进行种植属性预判,如图4a(分别是水稻、旱地、茶园、树林);内业结合样本数据进行种植属性预判后成果如图4b。
图4 内业种植属性预判
利用福建省测绘院自主开发的测绘成果外业巡检系统[7],将成果数据进行切片导出,后传输至平板电脑中,由外业人员带到野外现场进行图斑比对, 对内业解译图斑的种植属性、边界等内容逐一进行调查、核实和修正。对内业不确定或无法解译的图斑作重点调查;对一般图斑进行核实。调查核实过程中,对有错误的进行修正;对影像上未反映的隐蔽地物实地补调(用平板软件自带轨迹功能进行确定边界或用测绘仪器进行实测),并将比对结果直接记录在外业数据中。
外业比对结束后,将检核结果导入软件平台中,与内业预判图斑范围、种植类别、类型等不一致的,均选用外业定性成果逐一改正并转绘至内业平台中。
在系统统计工具中,根据不同种植属性进行分门别类统计,本次研究范围内有水田(面积78963.14 m2)、茶园(面积27173.41 m2)等八种地类(见图5),与实测面积相差在允许范围内。
图5 图斑面积/m2
本次研究提出利用影像、解译样本、第三次全国国土调查成果、国情成果结合的方式,进行田块种植属性、面积监测。经检查,田块种植属性与实地一致、种植面积与实测误差较小,证实根据遥感技术进行监测田块种植属性、面积的方案可行;压缩影像拍摄、生产间隔时间、提高拍摄分辨率,监测成果现势性能大为提高;同时本次研究对“耕地非农化” “耕地非粮化”监测任务进行技术储备。
基于云计算、物联网、大数据、信息通信技术(ICT)、人工智能(AI)等技术的影像多尺度快速图斑提取、种植属性赋值、变化常态化监测,需作进一步研究。